JMP 16 - 在混合模型 DoE 中向后消除固定效应时置信区间会变得更宽吗？你好，
如果之前有人问过这个问题，请见谅。我在发帖前使用了搜索功能，但在这个论坛上找不到任何内容。
我正在探索 DoE 的混合模型，以便更深入地了解固定效应和随机效应如何影响过程输出。然而，当我尝试手动使用向后消元法来简化我的固定效应回归参数时，我注意到我的参数估计的置信区间（例如：我的截距，这对我的目的很重要）变得非常宽，这也反映在剖析器中宽而均匀的置信区间上。
我原本以为更简单的模型会释放更多的自由度，以便更好地测量方差/标准误差，从而使置信区间更小，但事实似乎恰恰相反。值得注意的是，当我增加随机效应的复杂性时，这些影响会更加明显（例如：将参数连接为随机块，而不是对每个随机因素单独进行方差分量分析）。
请参见下面的 DoE 示例，我一直尝试使用模拟结果进行构建和探索（未显示）：
X1 X2 和 X3 是固定因素，而其余的则是我的示例随机因素。
任何帮助都将不胜感激！到目前为止，似乎我最好的做法是保留完整的响应面模型，而不是在此时探索任何逐步消除选项。
最好的，
马特
高级统计建模视窗回复：JMP 16-在混合模型 DoE 中向后消除固定效应时置信区间变宽？我不会使用估计的置信区间长度来选择模型。 它们反映了给定所选模型的估计的不确定性。
它们的间隔变长，因为删除一项会将相关的平方和添加到误差项中。 误差项用于估计每个估计值的标准误差。
回复：JMP 16-在混合模型 DoE 中向后消除固定效应时置信区间变宽？首先，欢迎来到社区。 我不确定我是否可以回答你的问题，因为我没有足够的上下文（比如你的目标是什么？），但这是我的想法。 正如 Mark 已经回答的那样，当您从模型中删除项时，这些 SS 和 DF 将汇集在 MSE 中。 我会使用其他技术来减少模型，例如
1. 首先，SME（主题专家）及其相关假设。 参数效果和系数有意义吗？
2.检查共线性（分析>多变量方法>多变量（并测试异常值））
3. 当您在模型中删除或添加项时，观察 R 方和调整后的 R 方之间的增量。 增量越大，模型越过度指定
4. RMSE，RMSE越小越好的模型
5. p值
顺便说一下，置信区间只与手头的数据有关。 将这些推断到未来的能力完全取决于你的研究对未来的代表性。
回复：JMP 16-在混合模型 DoE 中向后消除固定效应时置信区间变宽？谢谢你们的快速回复。 我通过最小化 AICc 通过手动向后消除来减少我的模型，并且很好奇为什么我的 CI 变得更宽。 你的解释很有道理。
